Шта је $ @! је откривање података?

Пословни свет зуји због откривања података. На површини то изгледа као једноставан термин, али ова фраза значи више него "проналажење ствари". Шта је заправо откривање података? И како се уклапа у модерни пејзаж мобилних, аналитичких и великих података?

Откривање података, које се понекад назива и рударјење података, укључује прикупљање и анализу података, а затим представљање резултата у читљивим и употребљивим форматима. У најосновнијим цртама, откривање података је процес проналажења образаца унутар података и њиховог коришћења за испуњавање одређеног пословног циља.

Наравно, откривање података има више од подударања бодова. Организације користе откривање података за широк спектар циљева и апликација у различитим областима - а у савременом, дигиталном свету има више података које треба открити него икад раније.

Одакле је откриће података?

Иако је откривање података релативно ново у „врућем“ лексикону дигиталних пословних термина, методе и стратегије нису толико нове. Претходник термина, вађење података, уведен је деведесетих година прошлог века, али компаније и организације користе неки облик откривања података још од зоре трговине.

Савремено откривање података као пословне стратегије настало је порастом великих података - свеобухватним изразом који описује релативно недавни, експоненцијални раст великих, сложених скупова података где чиста количина информација искључује коришћење традиционалних база података и организационих алата за издвојите било шта корисно.

Међутим, велики подаци су велика ствар за данашње пословање, јер су међу свим тим структуираним и неструктурираним подацима веома корисни обрасци који се могу користити за побољшање маркетиншких стратегија, РОИ-а и профита. Платформе за откривање података стога су осмишљене да омогуће организацијама једноставније начине утврђивања, анализе и вађења релевантних података.

Како функционише откривање података

Платформе за откривање података обично се састоје од неколико алата који се повезују и раде заједно да би извукли податке и представили их на смислен начин. Постоји неколико различитих начина на које ови алати проналазе и идентификују релевантне информације, али већина се врти око три основне аналитичке методе:

• Метаподаци: Сав дигитални садржај садржи метаподатке или "податке о подацима". Ове информације су углавном скривене од крајњих корисника, али су видљиве на задњој страни. Метаподаци се обично похрањују користећи таблице и атрибуте ступаца - тако да би алати за откривање података помоћу метаподатака тражили подударања у називу ступца, величини података и врсти података.
• Ознаке: У многим случајевима се подаци генеришу и груписују под ознаке или ознаке које описују податке унутар те групе. Те се ознаке могу генерисати када се подаци креирају или се могу додати за референцу и додатне информације. Ознаке или ознаке сличне су метаподацима, иако мање формалне.
• Садржај: Ова стратегија анализира саме податке, уместо приложених налепница или метаподатака.

Обично ће бити далеко више волумена података него ознака или метаподатака, што значи да идентификација података по садржају траје дуже и користи сложеније методе откривања. Међутим, анализа садржаја такође даје богатије и корисније релацијске резултате.

Једном када се подаци анализирају, други алати за откривање података могу се користити за презентацију откривених односа, трендова или образаца у корисном формату. Графикони, табеле и графикони основни су алати за презентацију који се користе у откривању података, али сложеније, али читљиве презентације, попут инфографике, добијају предност на аналитичарима података.

Шта откривање података може да уради?

У погледу практичне употребе, постоји готово неограничена употреба платформи и алата за откривање података. Ове методе и стратегије најчешће користе организације које се суочавају са потрошачима у готово свакој индустрији, укључујући трговину, финансије, комуникације и маркетинг, мада непрофитне организације и организације које послују као предузећа и владине агенције такође користе ову технологију.

Откривање података омогућава организацији да нађе везу између унутрашњих фактора (као што су цена, позиционирање производа и перформансе запосленика) и спољних фактора (попут података о конкуренцији, економских показатеља и демографије купаца). Ови односи помажу предузећима да илуструју и дефинишу утицај промена једног или више фактора на продају, ангажовање купаца и добит.

Алат који се користи у откривању података нуди детаљнију слику утицајних фактора и омогућава компанијама да прецизирају своје маркетиншке стратегије и рекламне кампање са високо циљаним информацијама. Механизам препорука за популарни стреаминг видео сервис Нетфлик добар је пример технологије откривања података на делу. Услуга користи екстерне податке о историји гледања корисника и интерне податке о медијском садржају у својој бази података да би дали појединачне предлоге за нове видео снимке који ће вероватно занимати њихове купце.

Али потенцијална примена откривања података надилази малопродајне потрошаче. Један пример је Адванцед Сцоут софтвер, програм који користи Национална кошаркашка асоцијација (НБА). Анализира кретања играча са снимка слика кошаркашких утакмица како би помогао тренерима да развију стратегије и да оркестрирају игру.

Како платформе за откривање података напредују, а технологија постаје приступачнија, више организација ће моћи да користи ове алате како би боље разумеле своје купце и испоручиле јединствене, прилагођене понуде које побољшавају трговину за све.